基于傅里叶环相关的图像质量度量与去噪
图像与视频处理
2022-01-12 v1 计算机视觉与模式识别
机器学习
摘要
图像质量是一个模糊的概念，对不同的人有不同的含义。为量化图像质量，通常计算受损图像与真值图像之间的相对差异。但应使用何种度量来衡量该差异？理想情况下，该度量应同时适用于自然图像与科学图像。结构相似性指数（SSIM）是衡量人类感知图像相似度的良好指标，但对显微镜中具科学意义的差异不敏感。在电子与超分辨显微镜中，傅里叶环相关（FRC）常被使用，但在这些领域之外鲜为人知。本文表明 FRC 同样可很好地应用于自然图像，例如 Google Open Images 数据集。我们随后定义了基于 FRC 的损失函数，证明其解析可微，并用其训练 U-net 以进行图像去噪。该基于 FRC 的损失函数使网络训练更快，并取得与基于 L1 或 L2 的损失相当或更好的结果。我们还借助 FRC 分析探究了神经网络去噪的性质与局限。
引用
@article{arxiv.2201.03992,
title = {Image quality measurements and denoising using Fourier Ring Correlations},
author = {J. Kaczmar-Michalska and N. R. Hajizadeh and A. J. Rzepiela and S. F. Nørrelykke},
journal= {arXiv preprint arXiv:2201.03992},
year = {2022}
}